UC-130银行用例 ／ 财富投研
Shanghai Commercial Bank
财富管理和企业客户服务都依赖客户经理的知识、经验和实时判断。客户经理需要理解客户档案、通话记录、现有投资、产品知识、市场趋势和资产配置逻辑，再把这些信息转化成下一步沟通和理财策略。传统方式下，信息分散在不同系统和文档中，客户经理很难在短时间内形成完整观点。 上海商业银行入选金管局第二期 GenA.I. 沙盒的方案，正是围绕客户经理知识中枢和多智能体协作展开。它不是简单做一个问答机器人，而是把知识中心设计成虚拟理财助理，帮助客户经理识别客户需求、生成市场和资产配置观点，并给出个
披露摘要官方材料披露，该方案预计可显著提高客户经理工作效率，通过实时洞察增强对客户需求的识别能力，并为财富管理、跨境金融等场景的智能化转型奠定技术基础。虽然项目处于沙盒入选和测试阶段，但目标已经明确指向客户经理效率、需求识别和精准理财策略。 这个案例的可学习之处在于：银行把生成式 AI 放在“客户经理决策前的知识融合和建议生成”位置，而不是直接面对客户做复杂投资建议。这样既能提升一线效率，也更容易保留人工专业判断和合规审查。
UC-131银行用例 ／ 客户服务
Fubon Bank (Hong Kong)
手机银行已经成为客户使用银行服务的核心入口，但许多客户仍然需要在菜单、产品页面、优惠说明和安全提示之间切换。对于不熟悉数字渠道的客户，复杂导航会降低服务可及性；对于银行，手机银行既要更个性化，也要更安全，尤其需要在诈骗高发环境下让客户获得及时提醒。 富邦银行（香港）入选金管局第二期 GenA.I. 沙盒，计划与阿里云、蚂蚁数科和微投智控探索一款 AI 助理，打造更个性化、安全且具互动性的手机银行体验。这个案例适合观察中小型银行如何借助沙盒和技术伙伴，把 GenAI 能力嵌入移
披露摘要公开材料披露，富邦银行通过第二期 GenA.I. 沙盒探索该 AI 助理，目标是提升手机银行个性化、安全性与互动性，并促进普惠金融。项目仍处于沙盒探索阶段，尚未披露量化指标，但已经明确把客户体验、可及性和诈骗防护作为三类核心价值。 该案例的行业意义在于，移动银行 AI 助理不应只追求更像聊天机器人，而要嵌入风险意识：当客户操作可能涉及诈骗、异常转账或不适当产品选择时，AI 应能主动调整提示和安全控制，而不是一味追求流程顺滑。
UC-132银行用例 ／ 风控合规
PAObank + OneConnect Financial Technology
深度伪造正在改变数字银行的身份核验风险。过去银行主要防范证件伪造、盗用资料、设备异常和黑产脚本；现在攻击者可以用换脸、合成视频、AI 生成图像和接口注入方式欺骗远程开户、贷款申请和交易认证流程。数字银行没有线下网点缓冲，因此更依赖实时、高准确率的线上识别能力。 PAObank 与 OneConnect 入选金管局第二期 GenA.I. 沙盒，聚焦深度伪造欺诈检测。这个案例的价值在于，它把 AI 用于对抗 AI：用更强的视觉识别、活体检测、设备风险和文件核验能力，防御生成式 A
披露摘要公开材料披露，OneConnect 的方案在反深度伪造类别中防御成功率达到 99%。截至 2025 年中，OneConnect 服务 21 个国家和地区的 214 家企业，并成为香港超过半数传统零售银行可信赖的 eKYC 和反欺诈合作伙伴。 PAObank 表示，参与沙盒将帮助其提升风险管理、强化欺诈调查和客户保护能力，并把经验分享给行业，支持 GenA.I. 技术在银行业更广泛、负责任地采用。该案例也体现了数字银行依托集团科技能力和外部科技伙伴构建防诈能力的路径。
UC-133银行用例 ／ 风控合规
livi bank
香港虚拟银行面向高度数字化客户，业务天然依赖远程身份识别、手机银行交互、线上交易监控和数字客服。随着诈骗、冒名开户、洗钱和社交工程攻击不断升级，数字银行需要更快地识别异常行为，同时不能牺牲客户体验和普惠金融目标。 livi bank 参与金管局与数码港合作推出的首批 GenA.I. 沙盒，专注开发先导反诈骗解决方案，以侦测和预防诈骗。这个案例虽然公开细节较少，但它代表了监管沙盒在虚拟银行中的作用：让银行在风险可控环境下试验 GenAI 防诈能力，并获得监管和技术反馈。
披露摘要2024 年 12 月，livi bank 正式宣布成为金管局 GenA.I. 首批沙盒参与机构，聚焦反诈骗方案开发。公开资料未披露量化成果，但确认该方案处于监管沙盒测试路径，并将获得算力资源和监管反馈。 该案例对学习者的价值在于：不是所有真实银行 AI 案例都会一开始披露节省多少时间或减少多少损失。对于反欺诈和反洗钱等敏感场景，早期公开信息往往只有方向、沙盒机制和治理安排。仍然可以从中学习“先沙盒、后上线、强监管反馈”的落地方法。
UC-134银行用例 ／ 平台治理
First Abu Dhabi Bank + Presight + Microsoft
大型银行在 AI 落地中经常遇到“试点很多、上线很少”的问题。业务团队知道痛点，但不了解 AI 能力；技术团队懂模型和平台，但不一定熟悉每条业务线的真实流程。要从概念走向实际价值，银行需要一种机制让业务、技术和合作伙伴围绕明确问题快速共创、评估和筛选方案。 First Abu Dhabi Bank 在 2026 年与 Presight 合作、Microsoft 支持下举办 AI Agentathon，体现中东大型银行从 AI 试点转向企业级落地的组织方法。它不是单个产品，而是
披露摘要FAB 披露，Agentathon 形成的方案概念将为未来银行 AI 项目和企业用例提供参考，支持长期数字化转型议程。它帮助银行通过动手协作更快开发和验证 AI 方案，推动从试点倡议走向实际影响。 公开资料未给出具体财务节省，但展示了一个重要管理指标：AI 用例不应仅由创新部门单独提出，而应通过业务挑战、跨职能团队、技术伙伴和评审机制共同筛选。这样能提高用例与真实业务优先级的贴合度。
UC-135银行用例 ／ 平台治理
Dubai Islamic Bank + HCLTech
Dubai Islamic Bank 是阿联酋大型伊斯兰银行。伊斯兰金融不仅要满足常规银行监管，还要确保产品、合同、收益结构和运营原则符合 Shariah 要求。因此，AI 在此类银行落地时，不能只追求效率和个性化，还必须与透明、伦理、治理和宗教合规框架一致。 DIB 在 GITEX GLOBAL 2025 宣布与 HCLTech 建立战略 AI 创新伙伴关系，目标是在整个生态中加速 AI 应用。这一案例适合观察“行业特定治理”如何影响银行 AI：同样是客户体验、决策和流程优
披露摘要公开材料披露，该伙伴关系旨在重新定义 AI 在伊斯兰银行中的整合方式，使技术、信任和目的汇聚，构建更智能、更包容、更可持续的金融生态。DIB 高管强调，AI 驱动未来应增强客户价值、赋能员工并强化治理框架。 虽然项目尚未披露量化指标，但其“负责任创新 + Shariah 原则 + 全行规模化”的组合非常重要。它提醒银行，AI 落地的成功不只是模型效果，而是能否嵌入本机构的价值观、合规体系和客户信任框架。
UC-136银行用例 ／ 运营提效
Macquarie Bank + Google Cloud
澳大利亚零售银行竞争激烈，客户体验、数字产品迭代速度和服务稳定性直接影响客户留存。Macquarie Bank 的 AI 目标非常明确：任何 AI 项目都要回到客户视角，如果不能带来更好的功能、更顺畅的体验或更可靠的服务，就要重新审视其价值。 该行选择把 Gemini Enterprise 推广给澳大利亚零售银行业务的所有员工，而不仅限于技术或工程团队。这说明银行对 Agentic AI 的理解正在变化：AI 不只是开发团队的工具，而是每个岗位都能用来总结、研究、起草、分析和
披露摘要官方披露，Macquarie Bank 计划在六个月内让所有员工把 AI 融入日常工作流。截至披露时，99% 当前员工已经完成“Using Generative AI at Macquarie”在线培训，约 3,000 名员工参加 Gemini Enterprise 演示。银行领导层也将参加 Google Cloud Generative AI Leader 认证。 该案例体现“工具 + 培训 + 治理 + 客户价值”的全员采用模式。它没有把全员部署等同于简单发放账号，而是要求员工理解如何安全使用 AI，并围绕客户体验、交付速度和高价值任务重新设计工作方式。
UC-137银行用例 ／ 财富投研
MUFG Bank
高净值客户的财富管理需求通常跨越银行、信托、证券、家族资产、事业传承和人生目标。客户不仅需要产品，也需要及时市场信息、长期规划和跨集团解决方案。对于客户经理而言，挑战在于如何整合客户总资产、目标、现金流、市场信息和集团内多机构资源，形成高质量提案。 MUFG 在 2026 年把生成式 AI 扩展到富裕客群会员网站和财富管理数字平台，说明银行财富管理 AI 正从“顾问查询助手”进入“客户内容体验 + 顾问规划工具”组合。它同时面向客户侧资讯服务和员工侧咨询提案效率。
披露摘要公开材料披露，OPUS 会员网站上线后访问量超过初始预期，MUFG 计划继续引入摩根士丹利的全球专业内容，如 Thoughts on the Market。WMPF 的三个核心能力包括统合 View、NBA（Next Best Action）和 GPS（Goal Planning System），生成式 AI 将增强这些能力。 该案例没有披露节省小时数，但对财富管理非常有代表性：银行用 AI 把市场内容、客户同意、集团协同、总资产视图、下一步行动和目标规划连接起来。它把财富管理从“单个产品推荐”提升为“客户人生目标和资产整体规划”的数字支持体系。
UC-139银行用例 ／ 客户服务
Sumitomo Mitsui Banking Corporation + JRI + IBM Japan
日本零售金融服务日益数字化和现金less化，资产形成相关制度和产品也越来越多。客户希望银行能随时解释产品、费用、活动和办理流程，尤其是对数字服务不熟悉的客户，更需要低门槛支持。传统客服中心在夜间、节假日和高峰期容易出现等待，且固定 IVR 难以处理自然语言问题。 SMBC AI Operator 是三井住友银行首次面向客户查询使用生成式 AI 的服务，第一阶段服务 Olive 个人综合金融服务的一般咨询。这个案例代表银行客服从“按键式 IVR/固定 FAQ”升级到“自然语音对
披露摘要官方披露，该服务作为生成式 AI 客户查询应用，是 SMBC、日本总研和日本 IBM 的国内初服务。其服务特点包括 24×365 自由发话咨询、广范围回答、自助解决范围扩大，以及在复杂咨询或需要身份确认时无缝转接人工客服。 系统还建立质量提升循环：持续分析 AI 应答内容、转人工数据和通话记录，用于改善回答质量，并将高频咨询反馈到产品服务改进。银行计划未来从 Olive 一般咨询扩展到更广业务，以提升客户支持和减轻客服人员负担。
UC-140银行用例 ／ 财富投研
Nomura + OpenAI
资产管理和资本市场研究需要持续吸收大量内外部数据，包括宏观经济、公司信息、市场行情、研究报告、客户需求和投资组合约束。传统投研流程高度依赖专业人员阅读、筛选、综合和撰写观点，面对信息爆炸时容易出现效率瓶颈。 Nomura 与 OpenAI 的战略合作不是简单采购通用聊天工具，而是围绕资产管理和资本市场服务，把 Nomura 的自有数据、专业经验和 OpenAI 的 Deep Research 能力结合，探索更高附加值的投资建议、市场分析和数据解决方案。
披露摘要2025 年 11 月，Nomura 正式宣布与 OpenAI 建立战略合作。Nomura 集团 CEO 表示，生成式 AI 的力量不仅在提升效率，还能从根本上改变金融服务；合作将结合 Nomura 广泛数据资产和深厚专业能力，与先进 AI 一起提供更高级投资建议和市场分析，并创造超越传统业务模式的新收入机会。 公开资料尚未披露量化成效，但该案例代表了投研和资管 AI 的前沿方向：AI 不只是总结报告，而是参与研究计划、信息收集、观点综合和客户方案设计，前提是数据安全、治理和专业人员复核必须到位。
UC-141银行用例 ／ 运营提效
Raiffeisen Bank International
Raiffeisen Bank International 总部位于维也纳，服务中东欧 11 个市场的 1,650 万客户，拥有约 43,000 名员工。跨市场银行面对大量法律、监管、银行文档、公共新闻、财务报告和客户问题，员工需要快速找到可信信息并生成高质量回应。 RBI 希望通过 AI 自动化重复任务和文档智能，帮助员工更快总结法律、监管和银行文件，并为未来客户服务应用打基础。其目标不是单点提高效率，而是让生成式 AI 成为全行数字化转型的核心能力。
披露摘要微软案例披露，RBI ChatGPT 最初部署给 2,000 名用户，现在活跃用户超过 20,000。员工反馈，过去耗时的任务现在可以快速完成，从而有更多时间处理增值任务或帮助客户解决复杂问题。银行还观察到更强协作和更快客户问题解决。 RBI 的案例说明，企业内部 ChatGPT 如果只做通用聊天，价值有限；真正价值来自与搜索、知识库、安全内容审核、监管问答和员工共创机制结合。yellowGPTs 让一线员工参与构建领域知识库，是一个值得学习的内部扩展模式。
UC-142银行用例 ／ 公司银行
DNB
小企业、创业者和会计人员常常把记账视为耗时且容易出错的工作。发票、收据、增值税代码、会计科目、付款和异常检查需要专业知识；如果客户不熟悉会计系统，就必须在菜单中寻找功能并猜测正确科目。对银行而言，中小企业金融服务不只包括账户和贷款，也包括帮助客户管理经营财务。 DNB 在 DNB Regnskap 中推出 Micro，作为首个直接面向客户的 AI 助理，目标是让小企业更容易记账并掌握财务状况。这个案例非常接近“执行型 AI”：它不是只回答问题，而是理解上下文并通过 API 在
披露摘要DNB 披露，用户在试点中最看重的是减少猜测和减少错误。产品负责人表示，客户不再需要纠结会计科目和增值税代码，而是获得可立即记账的具体建议。长期目标是让会计系统从“档案库”变成主动经济伙伴，提出行动和洞察，而不只是展示数字。 官方材料还披露，长期来看，大部分记账可以自动进行，Micro 处理 70%-80% 的交易，并让用户审批异常。这个目标展示了银行中小企业服务从“工具提供”转向“智能运营伙伴”的方向。